• 検索結果がありません。

内部格付制度と信用リスク計量化

N/A
N/A
Protected

Academic year: 2021

シェア "内部格付制度と信用リスク計量化"

Copied!
61
0
0

読み込み中.... (全文を見る)

全文

(1)

Ⅰ.内部格付制度と信用リスク計量化

2015年2月

日本銀行金融機構局

金融高度化センター

(2)

2

1.信用リスクとは

2.信用リスク管理の高度化

3.内部格付制度の整備

4.内部格付制度の検証

5.信用リスクの計量化

(3)

3

信用リスクとは、

信用供与先の財務状況の悪化等により、

資産(オフ・バランス資産を含む。)の価値

が減少ないし消失して損失を蒙るリスク

である。

1.信用リスクとは

定義

(金融検査マニュアル)

(4)

4

信用リスク(概念図)

債務者の信用状態 (債務履行能力) デフォルト ・法的破綻 ・債務不履行 ・市場価値の下落等 資産価値の 減少・消滅 悪化 デフォルト確率 格付 クレジットスコア 資産価値の変動

(5)

5 相関(業種、地域等) エクスポージャー (EAD) 資産の簿価、時価、 キャッシュフロー デフォルト時損失率 (LGD) 担保データ 回収実績データ リス ク 計 量 化 モ デ ル 信用リスク計量化 資本配賦 与信ポートフォリオ ・マネジメント 採算管理 プライシング ストレステスト 予想損失 ( E L ) 非予想損 失 ( U L ) 審査管理の 高度化 格付別デフォルト確率 (PD) 内部格付・ スコアリング 財務データ 定性情報 格付・スコアリング モデル 格付制度 経営資源の 配分 相関(業種、地域等) エクスポージャー (EAD) 資産の簿価、時価、 キャッシュフロー デフォルト時損失率 (LGD) 担保データ 回収実績データ リス ク 計 量 化 モ デ ル 信用リスク計量化 資本配賦 与信ポートフォリオ ・マネジメント 採算管理 プライシング ストレステスト 予想損失 ( E L ) 非予想損 失 ( U L ) 審査管理の 高度化 格付別デフォルト確率 (PD) 内部格付・ スコアリング 財務データ 定性情報 格付・スコアリング モデル 格付制度 経営資源の 配分

2.信用リスク管理の高度化

(6)

6 格付の付与 財務 定 量 モデル 債務者の 財務 デー タ 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 正常先 1 2 3 4 5 6 7 8 9 10 最終格付 1年後の格付遷移 格 付 別デ フ ォ ルト 確率 (PD ) 1次評価(暫定) ・ ・ ・ ・ ・ ・ ・ ・ PDの推計 債 務者の 定性 情報 等 要注意先 破懸先 以下 デフォルト 定量評価 定性評価 ノッチ調整 格付の付与 財務 定 量 モデル 債務者の 財務 デー タ 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 正常先 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 最終格付 1年後の格付遷移 格 付 別デ フ ォ ルト 確率 (PD ) 1次評価(暫定) ・ ・ ・ ・ ・ ・ ・ ・ PDの推計 債 務者の 定性 情報 等 要注意先 破懸先 以下 デフォルト 定量評価 定性評価 ノッチ調整

内部格付制度

 与信ポートフォリオをリスク特性が類似した債務者(or案件)毎 にグルーピングすること。

(7)

7

信用リスクの要素

 デフォルト確率 (PD: Probability of Default)

・債務者が将来の一定期間においてデフォルトする可能性。 ・一般に、債務者格付の格付区分毎に推計。

 デフォルト時エクスポージャー (EAD: Exposure at Default)

・デフォルトした時点での与信額。

 デフォルト時損失率 (LGD: Loss Given Default)

・デフォルトした時点での損失見込額の割合(LGD=1-回収率) ・保全の有無、担保の種類、担保カバー率、債務者特性等により

(8)

8 デフォルト確率 (PD) デフォルト時 損失率(LGD) デフォルト時エクス ポージャー(EAD) 期待損失 (EL) 非期待損失 (UL) 個別与信のリスク要素 与信ポートフォリオの 信用リスク量 相関 信用リスク 計測モデル EL UL

信用リスクの計量化

(9)

9

3.内部格付制度の整備

(1)制度設計 ー 目的の明確化、格付区分数、格付対象 (2)データの整備 ― 収集・入力基準、セントラル入力体制、データ・クレンジング (3)財務定量モデル ー 財務指標の選択、実態財務の反映、実務上の留意点 (4)定性要因の反映 ― 定性要因の反映、実務上の留意点 (5)内部格付の設定 ― 信用スコアの閾値の設定、ノッチ調整 (6)その他の問題 ― 大企業LDP、個人事業主、住宅ローン

(10)

10  内部格付制度を構築する「目的」によって、格付対象、格付 区分数など制度設計の考え方も異なり得る。  経営への活用を意識しつつ、その「目的」を明確にすることが 重要。 (例)  自己査定(債務者区分)判定の「ベンチマーク」の提供  与信先に対する「信用度の序列性」付与  貸出金利の設定  取引方針、限度額の設定等への活用  企業再生支援の強化  審査、信用リスク管理に関する共通の「コミュニケーション・ ツール」としての活用

(1)制度設計: 目的の明確化

(11)

11

制度設計: 格付区分数

 個々の債務者を、信用度に応じて分類(ランク付け)する という意味では、自己査定上の「債務者区分」(5区分)が 最もシンプルな体系。 ― 内部格付制度を構築する目的に照らし、これで十分と いえるかどうかがポイント  たとえば、信用度に応じた「貸出金利の設定」や「取引方針 の決定」への活用を展望するのであれば、正常先(あるいは 要注意先)について複数の区分を設定する。  「企業再生支援」の強化への活用を展望するのであれば、 信用度のより低いゾーン(正常先下位、要注意先)の格付 区分や定義を細分化する。

(12)

12

制度設計: 格付対象

 金融機関の与信ポートフォリオは、リスクプロファイルが異なる 様々な与信から構成されている。  内部格付の目的や信用度を判定する財務情報、定性情報等 の入手可能性を勘案して格付対象を選定する。また、必要に 応じ、複数の格付制度の構築を検討する。 (例) ・大企業 ・中堅・中小企業 ・住宅ローン ・個人ローン ・個人事業主 内部格付モデル① 内部格付モデル② プール区分モデル① プール区分モデル② 内部格付モデル③ (講義の主対象) プール区分モデル③ or

(13)

13  正確な決算データの収集、入力が基本。  決算データの収集基準の明確化  決算データの入力基準の明確化  セントラル入力態勢の構築  異常値、欠損値のチェック  データ・クレンジング

(2)データの整備

(14)

14  財務定量モデルとは、企業の財務情報等を利用して「信用度」を 信用スコアやデフォルト確率等の形で推定するモデル。  経験モデル 企業の財務指標、定性項目等に、経験に基づく信用スコア を配点し、合計スコアによって信用度を判定するモデル  統計モデル 企業の財務指標、定性項目等を使って、企業のデフォルト を統計的に最もよく説明する関係式を導くモデル

(3)財務定量モデル

デフォルト確率 PD = f(Z) 信用スコア Z = w0 + w1X1 + w2X2 + ・・・ + wNXN X :財務指標、定性項目等

(15)

(参考)財務定量モデルの例

 経験モデル 企業の財務指標、定性項目に、経験に基づく信用スコアを 配点し、合計スコアによって信用度を判定するモデル  統計モデル 企業の財務指標、定性項目等を使って、企業のデフォルト を統計的に最もよく説明できる関係式を導くモデル ・ 判別モデル ・ 線形回帰モデル ・ ロジスティック回帰モデル ・ 順序ロジスティック回帰モデル ・ ハザードモデル  構造モデル 株価変動を資産価値の変動と捉え、資産価値が 負債を下回る確率を求めるモデル。  誘導モデル 社債スプレッドに反映される信用リスク(デフォルト 確率)を社債価格の変動から誘導するモデル。 大企業:格付モデル 住宅ローン:プール区分モデル 中堅・中小企業:格付モデル 前提に問題があり、利用する 金融機関は少ない 15

(16)

(参考)線形回帰モデルとロジスティック回帰モデル

(注)デフォルト、非デフォルトの2状態から、3状態(格付)以上の確率を求めるモデル (順序ロジスティック回帰モデル)への拡張が可能。 × × × ×× ××××× ○○○○○○○ ○○ ○ ×:デフォルト企業 ○:非デフォルト企業 デフォルト確率(PD) 1.0 0.8 0.6 0.4 0.2 0.0 × ○ X 最小二乗法で w 、wを推定 直線 PD=Z Z=a+aX × × × ×× ××××× ○○○○○○○ ○○ ○ ×:デフォルト企業 ○:非デフォルト企業 デフォルト確率(PD) 1.0 0.8 0.6 0.4 0.2 0.0 × ○ 最小二乗法で 直線 PD=Z Z=w+wX × × × ×× ××××× ○○○○○○○ ○○ ○ ×:デフォルト企業 ○:非デフォルト企業 ロジスティック曲線 PD=1/(1+exp(-Z)) Z=a0+a1X デフォルト確率( PD) 1.0 0.8 0.6 0.4 0.2 0.0 × ○ 最尤法で w0 、w を推定 × × × ×× ××××× ○○○○○○○ ○○ ○ × ○:非デフォルト企業 ロジスティック曲線 PD=1/(1+exp(-Z)) Z=w0+w1X デフォルト確率( PD) 1.0 0.8 0.6 0.4 0.2 0.0 × ○ 0 信用スコア Z(=w0+w1X) 16

(17)

17  近年、「統計モデル」への移行を図る金融機関が増加している。  しかし、 「統計モデル」の構築に は、高度な統計的スキルが 必要となるうえ、債務者データ数およびデフォルト・データ数が 相応に確保されないと、精度を欠き、安定的な運用が難しい。  したがって、格付構築の目的によっては、必ずしも「統計モデル」 に移行する必要はなく、「経験モデル」のスコアとデフォルト確率 の関係みて、配点ウェイト(wj)をファイン・チューニングするのも 選択肢の1つとなり得る。

留意点

(18)

18

財務指標の選択

財務指標 規模 自己資本額、純資産額 等 安全性 自己資本比率、流動比率、経常収支比率、有利子 負債償還年数、インタレスト・カバレッジ・レシオ 等 収益性 総資本経常利益率、売上高営業利益率 等 成長性 増収率、増益率 等  企業のデフォルト事象と関連の高い財務指標を定量モデル に使用することが基本。  具体的には、デフォルトした企業、デフォルトしていない企業 の財務データを用いて、企業のデフォルト事象の説明力の 高い財務指標を見つけ出す。

(19)

19  重要な点は、モデルの考え方と、取引先の審査・与信判断の 着眼点が概ね一致しており、信用リスクの評価基準が組織内 で共有され、リスクコミュニケーションに活用されること。  したがって、指標選択においては、統計的な説明力の高さに こだわるよりも、伝統的に審査、与信判断で利用してきた指標 を重視するのが良い。 ― 最終的な指標選択において、実務的な観点からの「エキス パート・ジャッジ」を入れるのが一般的。  外部ベンダーにモデル構築を依頼する場合、指標選択の根拠 や指標の説明力(デフォルト率との関係)が確認可能であるこ とが望ましい。 ― モデルをブラックボックス化させないことが重要。

実務上の留意点

(20)

(参考)指標選択の手順

(統計モデルの場合)

 デフォルト率との関係が明確で、データの入手・計測が容易な 財務指標を候補としてリストアップする。  統計的にみて、説明力の高い指標を絞り込み、適切な組合せ を選択する。 ― 各指標の説明力の高さ、符号条件の一致、線形性の確認 ― 指標間の相関(多重共線性)が小さいことの確認  データを換えても、モデルの説明力が低下しないか確認する。 ― 取引先データ(インサンプル)では説明力が高くても、非取引先 データ(アウト・オブ・サンプル)では説明力が低くなることもある。 ― こうしたオーバー・フィッティングを回避するには、アウト・オブ・ サンプルを使ったモデルの「頑健性」(ロバストネス)検証が必要。 20

(21)

21

実態財務の反映

 ①「実態財務」ベースに指標を計算し直して、財務定量モデル で格付を付与する方法と、②表面財務ベースの財務定量モデ ルに一部の「実態財務」指標を付加したり、「実態財務」にもと づくノッチ調整を行う方法などがある。 (実態財務の反映例) ・不良資産、減価償却不足 ⇒ 資本から控除する ・代表者(役員)からの借入 ⇒ 自己資本とみなす ・固定化した短期借入金 ⇒ 長期借入金とみなす など  統一的な「実態財務」の修正基準を示し、すべての格付対象に 適用して、評価の恣意性を排除する必要がある。

(22)

22

実務上の留意点

 実態財務が常にベストの選択とは限らない。  実態財務を選択する場合は、統一的な「実態財務」の修正基準 を示し、すべての格付対象に 適用して、評価の恣意性を排除 する必要がある。 ― それができないのであれば、格付は客観性を失う。 ― 実態財務の指標を「純資産」などに限定するのが現実的。

(23)

23  「定性要因」を「指標」化して、信用スコアを説明する指標とし て追加したり、「ノッチ調整」に利用するのも一般的。  定性的な情報の評価にあたっては、客観性や統一性を確保 するため、具体的な「評価基準」を定める必要がある。

(4)定性要因の反映

定性要因 業種の特性 成長性、市況変動の大きさ、参入障壁 等 企業の特性 営業基盤、技術力、創業赤字、業績悪化(好転) の一時性、資金繰りの状況、親会社の支援 等

(24)

24

実務上の留意点

 定性要因の反映にあたっては、 ①定性項目の評価配点の抑制 ②ランクアップの上限(2ランクアップまで等) など、運営面で、一定の制約を設ける先が多い。  また、継続的に ③評価結果とデフォルトとの関係の事後的な検証 を行って、定性要因として引き続き考慮すべきか否か を検討する必要。

(25)

25  世の中には、外部モデルとして、実態財務、定性情報を反映せ ず、表面財務のみの統計モデルが存在する。  こうした外部モデルは、大量の取引先データにもとづいて統計 的に作成されている点でメリットが大きい。  大量データにもとづく外部モデルに実態財務の指標を追加し たり、定性情報のノッチ調整を反映させて、内部モデルを策定 する方法もある。

外部モデルの活用

(26)

26

(5)内部格付の設定

 定量モデルの信用スコアに「閾値(しきいち)」を設け、暫定的 に格付区分を設定。 ― 「順序ロジスティック回帰モデル」では、指標の係数(wi)と 同時に「閾値」もパラメータとして推定される。 ― 「目検」により「閾値」を設定する場合は、 ①格付間のデフォルト確率(PD)に差異が認められるか、 ②格付毎の債務者数に偏りや集中がみられないか、 ③ベンチマークとなる債務者の格付区分に違和感がないか などを検証する。  実態財務や定性要因にもとづくノッチ調整を経て、最終的に 格付け区分を決定。

(27)

格付の付与 財務定 量 モ デ ル 債務者の 財務デ ー タ 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 正常先 1 2 3 4 5 6 7 8 9 10 最終格付 1年後の格付遷移 格付 別デ フォルト 確率(PD ) 1次評価(暫定) ・ ・ ・ ・ ・ ・ ・ ・ PDの推計 債務者の 定性情報等 要注意先 破懸先 以下 デフォルト 定量評価 定性評価 ノッチ調整 格付の付与 財務定 量 モ デ ル 債務者の 財務デ ー タ 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 正常先 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 最終格付 1年後の格付遷移 格付 別デ フォルト 確率(PD ) 1次評価(暫定) ・ ・ ・ ・ ・ ・ ・ ・ PDの推計 債務者の 定性情報等 要注意先 破懸先 以下 デフォルト 定量評価 定性評価 ノッチ調整 内部格付の設定プロセス 27

(28)

28

 デフォルトがほとんど起きない大企業(Low Default Portfolio)

の格付付与、PDの設定の際に、内部格付を格付機関公表の 外部格付にマッピングすることがある。 格付 実績PD 正常先 1 0.000% 2 0.000% 3 0.000% 4 0.788% 5 1.200% 6 2.100% 要注意先 7 3.500% 要管理先 8 -破綻懸念先 9 -実破・破綻先 10 -格付 実績PD 1 0.030% 2 0.120% 3 0.325% 4 0.788% 5 1.200% 6 2.100% 7 3.500% 8 -9 -10 -外部格付 公表PD 1 0.030% 2 0.120% 3 0.325%

(29)

29

(6)その他の問題: 個人事業主

 確定申告データによる、PL項目主体の評価となる個人事業主 の格付、PDをどうするか。 ① BS項目のデータ取得・蓄積を図るとともにBS項目の採択を最小限 (現預金、借入金など)にして、決算データと確定申告データの双方 で稼働する財務定量モデルを利用する。 ② PL項目と定性項目による財務定量モデルを新たに構築する。この とき、決算データにもとづく事業法人の格付にマッピングしてPDを統 一的に把握することも検討する。 ③ 多数のデータがある場合は、債務者属性等によるモデルを構築し て「プール区分」する。  モデル構築にあたっては、正確なデータ収集(BS・PL項目) も課題となる。

(30)

30

(6)その他の問題: 住宅ローン

 PDを説明し得る債務者属性、取引条件等をスコア化し、同じ 信用度を持つ債務者をプール分けする。 債務者属性 年齢(借入時、完済時)、収入、 職業、勤続年数、勤務先 従業員数、勤務先資本金、転職経験の有無、配偶者の 有無、扶養する子供の数 等 取引条件等 融資期間、自己資金の割合、ボーナス時返済の有無、 給与振込の有無、年収借入総額倍率 等

(31)

住宅ローンの「生涯収益」の把握・管理

 住宅ローンは、経過年数に応じてデフォルト確率(PD)が変化 するほか、期限前償還も生じるため、それらの期間構造を把握 して、「生涯収益」シミュレーションを行うことが求められる。 単位当り採算 - - )x =( - 単年収益 貸出金利 調達コスト その他経費 信用コスト 貸出残高 (PDxLGD) ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ 貸 出 期 間 生涯収益 金利リスク 期限前返済の 期間構造 PDの 期間構造 +) 信用リスク 期限前返済リスク 31

(32)

 住宅ローンの「生涯収益」シミュレーションを行うには、経過年別 にみたデフォルト確率、期限前償還率に関する基礎データの収集・ 分析が必要となる。 区分 経過年別デフォルト確率 1年 2年 3年 4年 5年 ・・・ 10年 ・・・ 20年 ・・・ 30年 A B C D E F 区分 経過年別期限前償還率 1年 2年 3年 4年 5年 ・・・ 10年 ・・・ 20年 ・・・ 30年 A B C D E F

経過年別のデフォルト率、期限前償還率

32

(33)

33  住宅ローンの途上管理としては、これまでは延滞の有無を データベース化する程度であったが、直近一定期間の預金・ 決済関連情報を活用する金融機関が増えている。

住宅ローンの途上管理

(例) ・直近一定期間の預金残高(最低残高、平均残高) ・決済口座の残高不足(公共料金、カード代金等)

(34)

34

4.内部格付制度の検証

(1)定期的な検証の必要性

(2)格付遷移による検証

(3)デフォルト判別力の検証

-CAP曲線、AR値、K‐S値、ダイバージェンス

(4)推定PDの水準の検証

(35)

35

(1)定期的な検証の必要性

 内部格付制度は、一旦、構築すれば、そのまま永続的に使用 できるものではない。時間の経過とともに、取引先データが変 化するため、内部格付制度は劣化する可能性がある。  定期的な検証を行い、内部格付制度の劣化状況を確認して、 必要に応じて再構築を検討する必要がある。 ① 格付遷移に異常な動きがないか ② デフォルト判別能力が低下していないか ③ 推定PDの精度が低下していないか ④ ベンチマークとなる企業の格付が営業・審査部門の実感に 合わなくなっていないか

(36)

36

(2)格付遷移による検証

格付1から他の格付への 遷移率の順序性を確認 デフォルト率の 順序性を確認 14.8 74.7 3.8 2.6 2.1 1.6 0.4 0.0 0.0 8 3.2 20.0 47.8 18.9 6.8 2.8 0.5 0.0 0.0 7 1.1 9.5 16.0 43.9 20.4 7.5 1.5 0.1 0.0 6 0.5 4.5 6.0 15.7 44.0 24.5 4.4 0.4 0.0 5 0.3 1.9 2.5 4.4 13.1 63.1 13.3 1.4 0.0 4 0.0 0.8 1.0 1.5 4.2 13.9 66.5 11.9 0.2 3 0.1 0.2 0.2 0.3 0.7 3.3 15.1 75.4 4.7 2 0.0 0.5 0.5 0.3 0.4 0.3 2.1 12.8 83.1 1 デフォルト 8 7 6 5 4 3 2 1 14.8 74.7 3.8 2.6 2.1 1.6 0.4 0.0 0.0 8 3.2 20.0 47.8 18.9 6.8 2.8 0.5 0.0 0.0 7 1.1 9.5 16.0 43.9 20.4 7.5 1.5 0.1 0.0 6 0.5 4.5 6.0 15.7 44.0 24.5 4.4 0.4 0.0 5 0.3 1.9 2.5 4.4 13.1 63.1 13.3 1.4 0.0 4 0.0 0.8 1.0 1.5 4.2 13.9 66.5 11.9 0.2 3 0.1 0.2 0.2 0.3 0.7 3.3 15.1 75.4 4.7 2 0.0 0.5 0.5 0.3 0.4 0.3 2.1 12.8 83.1 1 デフォルト 8 7 6 5 4 3 2 1 期 初 格 付 期 末 格 付 他の格付から格付7への 遷移率の順序性を確認 格付1から他の格付への 遷移率の順序性を確認 デフォルト率の 順序性を確認 14.8 74.7 3.8 2.6 2.1 1.6 0.4 0.0 0.0 8 3.2 20.0 47.8 18.9 6.8 2.8 0.5 0.0 0.0 7 1.1 9.5 16.0 43.9 20.4 7.5 1.5 0.1 0.0 6 0.5 4.5 6.0 15.7 44.0 24.5 4.4 0.4 0.0 5 0.3 1.9 2.5 4.4 13.1 63.1 13.3 1.4 0.0 4 0.0 0.8 1.0 1.5 4.2 13.9 66.5 11.9 0.2 3 0.1 0.2 0.2 0.3 0.7 3.3 15.1 75.4 4.7 2 0.0 0.5 0.5 0.3 0.4 0.3 2.1 12.8 83.1 1 デフォルト 8 7 6 5 4 3 2 1 14.8 74.7 3.8 2.6 2.1 1.6 0.4 0.0 0.0 8 3.2 20.0 47.8 18.9 6.8 2.8 0.5 0.0 0.0 7 1.1 9.5 16.0 43.9 20.4 7.5 1.5 0.1 0.0 6 0.5 4.5 6.0 15.7 44.0 24.5 4.4 0.4 0.0 5 0.3 1.9 2.5 4.4 13.1 63.1 13.3 1.4 0.0 4 0.0 0.8 1.0 1.5 4.2 13.9 66.5 11.9 0.2 3 0.1 0.2 0.2 0.3 0.7 3.3 15.1 75.4 4.7 2 0.0 0.5 0.5 0.3 0.4 0.3 2.1 12.8 83.1 1 デフォルト 8 7 6 5 4 3 2 1 期 初 格 付 期 末 格 付 他の格付から格付7への 遷移率の順序性を確認

(37)

37

(3)デフォルト判別力の検証: CAP曲線、AR値

企業数 信用スコア デフォルト企業 非デフォルト企業 企業数 信用スコア デフォルト企業 非デフォルト企業 デフォルト企業の累積企業比率 0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 100 完璧なモデルのCAP曲線 判別力のないモデルのCAP曲線 当該モデルのCAP曲線 (%) (%) ( A ) 全企業の累積企業比率 ( B ) 左上に行くほど 精度の高いモデル デ フォルト企業の累積企業比率 0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 100 完璧なモデルのCAP曲線 判別力のないモデルのCAP曲線 当該モデルのCAP曲線 (%) (%) ( A ) 全企業の累積企業比率 ( B ) 左上に行くほど 精度の高いモデル

CAP(Cumulative Accuracy Profiles)曲線

AR(Accuracy Ratio)値 面積(B) 面積(A)+(B) 面積(B) 面積(A)+(B) =

(38)

38

K-S

(Kolmogorov-Smirnov)

値、ダイバージェンス

ダイバージェンス= K-S値 累積比率 0 10 20 30 40 50 60 70 80 90 100 (%) 0 10 20 30 40 50 60 70 80 90 100 (%) 信用スコア デフォルトサンプルの累積比率 非デフォルトサンプルの累積比率 (両クラス間の平均の格差)2 各クラスの分散の合計 企業数 デフォルト企業 非デフォルト企業 信用スコア

(39)

39

(4)推定

PDの水準の検証

 推定PDが想定する以上に、デフォルトが発生件数が増加して いないかを検定する(2項検定)。 推定PD p= 1.00 % 債務者数 N=250 確率 f(K) = 250(0.01)K(0.99)250-K 0 0.2 0.4 0 2 4 6 8 10 2項分布 N=250,p=1% K:デフォルト件数 推定PD p= 1.00 % 債務者数 N=250 確率 f(K) = 250(0.01)K(0.99)250-K 0 0.2 0.4 0 2 4 6 8 10 2項分布 N=250,p=1% K:デフォルト件数 有意水準5% デフォルト件数 (K回) デフォルト件数 (K回以上) 0 8.11% 100.00% 0回以上 1 20.47% 91.89% 1回以上 2 25.74% 71.42% 2回以上 3 21.49% 45.68% 3回以上 4 13.41% 24.19% 4回以上 5 6.66% 10.78% 5回以上 6 2.75% 4.12% 6回以上 7 0.97% 1.37% 7回以上 8 0.30% 0.40% 8回以上 9 0.08% 0.11% 9回以上 10 0.02% 0.03% 10回以上 11 0.00% 0.01% 11回以上 12 0.00% 0.00% 12回以上 13 0.00% 0.00% 13回以上 14 0.00% 0.00% 14回以上 15 0.00% 0.00% 15回以上 デフォルト件数 (K回) 確率 累積確率 デフォルト件数 (K回以上) 0 8.11% 100.00% 0回以上 1 20.47% 91.89% 1回以上 2 25.74% 71.42% 2回以上 3 21.49% 45.68% 3回以上 4 13.41% 24.19% 4回以上 5 6.66% 10.78% 5回以上 6 2.75% 4.12% 6回以上 7 0.97% 1.37% 7回以上 8 0.30% 0.40% 8回以上 9 0.08% 0.11% 9回以上 10 0.02% 0.03% 10回以上 11 0.00% 0.01% 11回以上 12 0.00% 0.00% 12回以上 13 0.00% 0.00% 13回以上 14 0.00% 0.00% 14回以上 15 0.00% 0.00% 15回以上

(40)

40

5.信用リスクの計量化

(1)信用リスク計量化の考え方

(2)信用リスク計量化モデル

― 1ファクター・モデル、マルチファクター・モデル

(3)パラメータの推定と検証

(4)ストレステスト

(41)

41 影響度 小 大 高 低 発生可能性 

リスクは「発生可能性」 と「影響度」で測定・評価する。

信用リスクは、「デフォルト確率」とデフォルト時に発生

する「損失金額」で計量化することが可能。

(1)信用リスクの計量化の考え方

損失金額 デフォルト確率

(42)

損失 金額 100億円 デフォルト確率 0.01 10億円 0.1億円 0.1 0.5 (100社に1社)(10社に1社)(2社に1社)

(例)信用ポートフォリオの想定

42

(43)

0

0.5

× ×

(例)簡単な信用リスク計量モデル

Rand関数

1

1

信用状態(Z) 0~1の値をとる一様乱数(Z1) を発生させる。

×

閾 値 (しきいち) 一様分布 :デフォルト 損失 0.1億円 信用供与先1 デフォルト確率 0.5 損失金額 0.1億円 信用状態(Z)が 0.5 以下のとき :非デフォルト 損失 なし 信用状態(Z)が 0.5 超のとき 43

(44)

:デフォルト(損失)が発生した箇所

・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ 試行 乱数1 乱数2 乱数3 乱数4 乱数5 乱数6 乱数7 乱数8 乱数9 乱数10 1 0.245 0.059 0.004 0.110 0.364 0.431 0.778 0.785 0.598 0.487 2 0.548 0.387 0.884 0.398 0.977 0.587 0.334 0.724 0.172 0.383 3 0.291 0.257 0.202 0.384 0.248 0.166 0.200 0.944 0.351 0.862 4 0.768 0.380 0.934 0.075 0.587 0.495 0.808 0.101 0.721 0.605 5 0.250 0.267 0.955 0.140 0.957 0.505 0.744 0.716 0.113 0.097 1 2 3 4 5 6 7 8 9 10 損失 0.1 0.1 0.1 0.1 0.1 0.1 10 10 10 100 確率 0.5 0.5 0.5 0.1 0.1 0.01 0.1 0.1 0.01 0.01 供与先 ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ 試行 損失1 損失2 損失3 損失4 損失5 損失6 損失7 損失8 損失9 損失10 損失計 1 0.100 0.100 0.100 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.300 2 0.000 0.100 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.100 3 0.100 0.100 0.100 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.300 4 0.000 0.100 0.000 0.100 0.000 0.000 0.000 0.000 0.000 0.000 0.200 5 0.100 0.100 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.200 44

(45)

0.000% 10.000% 20.000% 30.000% 40.000% 50.000% 60.000% 70.000% 80.000% 0 20 40 60 80 100 120 140 確率分布 損失計 平均値 理論値 3.3 試行値 3.3 パーセント点 90.00% 10.2 95.00% 10.3 99.00% 31.0 99.50% 100.2 99.90% 110.1 99.95% 110.3 損失計 確率 累計 0 7.740% 7.740% ~ 10 73.470% 81.210% ~ 20 16.650% 97.860% ~ 30 1.120% 98.980% ~ 40 0.020% 99.000% ~ 50 0.000% 99.000% ~ 60 0.000% 99.000% ~ 70 0.000% 99.000% ~ 80 0.000% 99.000% ~ 90 0.000% 99.000% ~ 100 0.080% 99.080% ~ 110 0.780% 99.860% ~ 120 0.130% 99.990% ~ 130 0.010% 100.000% 130超 0.000% 100.000%

シミュレーション結果(試行回数:1万回)

30.6 45

(46)

46

(2)信用リスク計量化モデル

―マートン型の1ファクター・モデル

= a

X +

1-a

2

Y

i 個別債務者( i )の信用状態 共通要因 固有要因 感応度  X、Yは互いに独立な標準正規分布にしたがうと仮定する。 ⇒ Z も標準正規分布にしたがう。 (注)1ファクターというのは共通要因が1個という意味。複数の共通要因 の存在を仮定する場合は、マルチ・ファクターモデルと呼ばれる。  Z の X に対する感応度を a と仮定する。

(47)

共通要因 X ~ N(0,1) X 共通要因 X ~ N(0,1) X ±0 固有要因 Yi ~ N(0,1) ±0 固有要因 Yi ~ N(0,1) ±0 Z ±0 Z ±0 Z 個別債務者(i)の信用状態 Z ~ N(0,1) Z = a X + 1-a2 Y i Z = a X + 1-a2 Y i ±0 47

(48)

個別債務者の信用状態

~ N(0,1) 標準正規分布にしたがう。

±0

個別債務者の信用状態(標準正規乱数 Z

)が

閾値を下回った場合、この債務者はデフォルトすると

考える。

閾値(しきいち) Z デフォルト確率 p 48

(49)

X Z1 Z2 Z3 Z4 Z5 Z6 Z7 Z8 Z9 Z10 a ― 0.4 0.4 0.4 0.4 0.4 0.4 0.4 0.4 0.4 0.4 金額 ― 0.1 0.1 0.1 0.1 0.1 0.1 10 10 10 100 確率 ― 0.5 0.5 0.5 0.1 0.1 0.01 0.1 0.1 0.01 0.01 閾値 ― 0.000 0.000 0.000 -1.282 -1.282 -2.326 -1.282 -1.282 -2.326 -2.326 試行 乱数X Z1 Z2 Z3 Z4 Z5 Z6 Z7 Z8 Z9 Z10 1 -0.106 -0.683 1.890 -0.346 0.657 -0.720 -0.345 -0.727 -1.231 -0.835 -1.047 2 -1.419 0.386 -0.979 0.230 -0.788 0.343 -1.836 0.224 -0.052 0.825 -0.371 3 0.010 0.914 2.001 -0.830 -0.535 1.671 -0.460 -1.478 -0.571 0.728 0.965 4 0.939 0.508 0.694 -1.041 0.616 1.850 1.173 -0.562 0.091 0.328 1.136 5 -1.018 -0.557 -1.208 -1.710 0.648 0.214 1.134 0.041 -0.149 -1.929 -0.460 6 -1.889 -0.821 -1.786 -0.169 0.012 -0.383 -1.385 -2.541 -0.944 -0.358 -1.779 7 -1.611 0.545 -0.264 0.164 -2.471 -0.806 0.271 -1.459 -1.920 0.703 -0.364 8 1.349 -1.542 1.111 1.053 2.497 1.164 -0.119 -0.675 0.297 0.563 0.443 試行 L1 L2 L3 L4 L5 L6 L7 L8 L9 L10 損失計 1 0.1 0.0 0.1 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.200 2 0.0 0.1 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.100 3 0.0 0.0 0.1 0.0 0.0 0.0 10.0 0.0 0.0 0.0 10.100 4 0.0 0.0 0.1 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.100 5 0.1 0.1 0.1 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.300 6 0.1 0.1 0.1 0.0 0.0 0.0 10.0 0.0 0.0 0.0 10.300 7 0.0 0.1 0.0 0.1 0.0 0.0 10.0 10.0 0.0 0.0 20.200 8 0.1 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.100 ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・ ・

:デフォルト(損失)が発生した箇所

49

(50)

損失計 確率 累計 損失計 パーセント点 0 28.850% 28.850% 平均値 3.4 90.00% 10.3 ~ 10 55.300% 84.150% 95.00% 20.2 ~ 20 10.650% 94.800% 99.00% 110.3 ~ 30 3.620% 98.420% 99.50% 120.5 ~ 40 0.430% 98.850% 99.90% 130.5 ~ 50 0.000% 98.850% 99.95% 130.6 ~ 60 0.000% 98.850% ~ 70 0.000% 98.850% ~ 80 0.000% 98.850% ~ 90 0.000% 98.850% ~ 100 0.000% 98.850% ~ 110 0.120% 98.970% ~ 120 0.300% 99.270% ~ 130 0.510% 99.780% 130超 0.220% 100.000% 0.000% 10.000% 20.000% 30.000% 40.000% 50.000% 60.000% 0 20 40 60 80 100 120 140

シミュレーション結果(試行回数:1万回)

確率分布 損失計 50

(51)

51

感応度の影響

 共通要因の変動する「感応度」( ai )が大きくなると、個別 債務者の信用状態は、共通要因の変動の影響をより大きく 受ける。  同時デフォルトによって多額の損失が発生するケースや いずれもデフォルトせず、損失が生じないケースが増える ため、信頼水準が同一でも信用VaRの値が大きくなる傾向 がある。

(52)

52  個別債務者の信用状態に影響を与える「業種別要因」の存在 を仮定。

個別債務者(i)の信用状態

= a

s(i)

1 -a

2

Y

マルチ・ファクター・モデル(業種別)

s(i)

: 債務者(i)の属する業種(S(i))の要因

(53)

53 X~X: 共通要因の例 (1)マクロ経済 (景気、金利、為替等) (2)業種 (3)地域  個別債務者の信用状態に影響を与える「複数の共通要因」の 存在を仮定。

個別債務者(i)の信用状態

= a

i1

+ a

i2

+ ・・・ + a

iN

1 -(a

i12

+ a

i22

+ ・・・ + a

iN2

) Y

一般化マルチ・ファクターモデル

(54)

54

(3)パラメータの推定と検証

デフォルト確率 PD ・格付別のPD実績値を利用することが多い。 ・内部格付モデルにもとづくPD推計値、外部格付の公表PDを 利用することもある。 デフォルト時エクス ポージャー EAD ・直近時点の残高とすることが多い。 ・中長期の視点からは増加の可能性を考慮すべき。 デフォルト時損失率 LGD ・1-保全率 と置くことが多い。 ・保全率=回収率とは限らないため、より適切な推計が課題。 感応度 a ・観察可能な代理変数(株価等)を用いて推計する。たとえば、 東証TOPIXと個別株価の変動の相関係数を計測する。 ・セクター(業種・地域)内の同質性を仮定して、セクター(業種・ 地域)別のデフォルト相関行列を推定する。この相関行列を 直交分解して感応度を導出する。 ※ 上記のうちLGD、感応度については、実務的に確立した推計、検証方法がある とは言い難いのが実情。 P.55参 照 P.56・57 参照

(55)

デフォルト 信用供与額 信用限度額 EAD 担保処分 その他回収 デフォルト時損失 (L= EAD×LGD) EAD: デフォルト時エクスポージャー (Exposure at Default)

LGD: デフォルト時損失率 (Loss Given Default) デフォルト時損失

i = EADi×LGDi

現時点

(56)

デフォルト相関

a

a

= a

X +

1-a

i2

Y

i 債務者( i )の信用状態

j

= a

j

X +

1-a

j2

Y

j 債務者( j )の信用状態 anan ana2 ana1 業種n a2an a2a2 a2a1 業種2 a1an a1a2 a1a1 業種1 業種n 業種2 業種1 anan ana2 ana1 業種n a2an a2a2 a2a1 業種2 a1an a1a2 a1a1 業種1 業種n 業種2 業種1 ・・・ ・・・ ・・・ ・・・ ・・ ・・ ・・ ・・ ・ ・ ・ an 業種n a2 業種2 a1 業種1 感応度 an 業種n a2 業種2 a1 業種1 感応度 業種別のデフォルト相関から感応度の導出例 ・・ ・・ 56

(57)

±0 Z ~N(0,1) 債務者( i )の信用状態 Zj ~N(0,1) 債務者( j )の信用状態 Zj 信用状態の変動に相関がないケース 同時確率分布 ±0 Z ~N(0,1) 債務者( i )の信用状態 Zj ~N(0,1) 債務者( j )の信用状態 Zj 信用状態の変動に相関がないケース 同時確率分布 相関 ρij= aa = aX + 1-a2 Y i 債務者( i )の信用状態 Zj = ajX + 1-aj2 Y j 債務者( j )の信用状態 Zj ~N(0,1) ~N(0,1) 信用状態の変動に相関があるケース 同時確率分布 相関 ρij= aa = aX + 1-a2 Y i 債務者( i )の信用状態 Zj = ajX + 1-aj2 Y j 債務者( j )の信用状態 Zj ~N(0,1) ~N(0,1) 信用状態の変動に相関があるケース 同時確率分布 57

(58)

58

留意点①

 現状、規模の大小を問わず、殆どの金融機関が内部格付制度を 構築している。高度なスコアリングモデルを導入して、格付別の デフォルト確率を推定する金融機関も増加している。  しかし、格付の頑健性やデフォルト確率の精度は、①採用する スコアリングモデルのほか、②利用可能なデータ数(債務者数、 デフォルト債務者数)に依存する。  とくに、データ数(債務者数、デフォルト債務者数)が不足すると、 格付が不安定化したり、デフォルト確率の精度が低下する傾向 が強い。  中小規模の金融機関の場合、あるいは、大規模金融機関であっ ても業種別の格付を導入する場合などでは、データ数が不十分 となる可能性がある。 ⇒ 大量データにもとづく安定的な外部格付と比較対照したり、 マッピングを行うなどの工夫を要する。

(59)

59

留意点②

 近年、与信ポートフォリオのリスク把握、経営への活用を図るため、 中小規模の金融機関でも信用VaRの計測に取り組む先が増加し ている。  信用VaRの信頼性は、内部格付やリスク要素の推定値の安定性 に左右される。  利用可能なデータ数が少ない中小金融機関では、内部格付や デフォルト確率(PD)の推定値の安定性を確保するのは難しい。  その他のリスク要素(LGD、相関等)についても、必ずしも実務的 に推計・検証方法が確立しているとは言い難いのが実情。 ⇒ 信用VaRの値を過信せず、ストレステストと多様なシナリ オ分析を行って、与信ポートフォリオの有する信用リスクを 十分に把握・分析する必要がある。

(60)

60

(4)ストレステスト

 信用リスクに関して、VaRの計測・検証の実務に限界がある 以上、様々な観点からストレステストを実施することが求めら れ得る。  とくに、与信集中リスクが顕在化したときの金融機関経営に 与える影響は大きいうえ、与信ポートフォリオの残高・構成 を短期的にコントロールするのは難しく、自己資本の充実を 図るにのにも相応の期間を要する。  平時から様々なストレステストを行って、中長期の視点でみて 与信集中リスクが顕在化する可能性がないかを検討したり、 融資限度額(クレジット・リミット)は与信集中を回避する観点 で有効に機能し得るかを検証することが重要である。

(61)

61

 本資料に関する照会先

日本銀行金融機構局金融高度化センター 企画役 碓井茂樹 CIA,CCSA,CFSA

Tel 03(3277)1886 E-mail shigeki.usui@boj.or.jp

 本資料の内容について、商用目的での転載・複製を行う場 合は予め日本銀行金融機構局金融高度化センターまでご相 談ください。転載・複製を行う場合は、出所を明記してく ださい。  本資料に掲載されている情報の正確性については万全を期 しておりますが、日本銀行は、利用者が本資料の情報を用 いて行う一切の行為について、何ら責任を負うものではあ りません。

参照

関連したドキュメント

FSIS が実施する HACCP の検証には、基本的検証と HACCP 運用に関する検証から構 成されている。基本的検証では、危害分析などの

備考 1.「処方」欄には、薬名、分量、用法及び用量を記載すること。

当面の間 (メタネーション等の技術の実用化が期待される2030年頃まで) は、本制度において

雇用契約としての扱い等の検討が行われている︒しかしながらこれらの尽力によっても︑婚姻制度上の難点や人格的

据付確認 ※1 装置の据付位置を確認する。 実施計画のとおりである こと。. 性能 性能校正

「JSME S NC-1 発電用原子力設備規格 設計・建設規格」 (以下, 「設計・建設規格」とい う。

分だけ自動車の安全設計についても厳格性︑確実性の追究と実用化が進んでいる︒車対人の事故では︑衝突すれば当